机器学习笔记
文章平均质量分 82
MQLYES
这个作者很懒,什么都没留下…
展开
-
1.2 机器学习的应用实例
1.2.1 关联性 在零售业中,例如超市连锁店,机器学习的一个应用是购物篮分析它的任务是发现顾客所购买商品之间的关联性:如果人们在购买商品X时候,也购买商品Y ,而有一名顾客购买了商品X确没有购买商品Y ,则他即是商品的潜在客户。1.2.2 分类在信用评分中, 银行要计算给定信贷额度的客户信息情况下的风险,客户信息包括我们已经获取的数据以及与计算客户财力相关的数据,即收入,存款等...原创 2018-10-28 21:23:31 · 521 阅读 · 0 评论 -
第2章 模型评估与选择
2.1经验误差与过拟合 通常我们把分类错误的样本数占总数的比例称为“错误率”,即如果在m个样本中由a个样本分类错误,则错误率E = a/m;相应的,1-a/m称为精度.更一般的我们把学习器的实际预测输出的样本的真实输出之间的差异称为“误差”,学习器在训练集上的误差称为训练误差,在新样本上的误差称为“泛化误差”.我们当然希望得到误差小的学习器.然而,我们事先并不知道新样本是什么样的,实际...原创 2018-11-06 22:19:17 · 246 阅读 · 0 评论 -
Windows下深度学习标注工具LabelImg安装和使用指南
转载:https://kuaibao.qq.com/s/20181011G24GKR00?refer=cp_1026Windows下深度学习标注工具LabelImg安装和使用指南文章来源:企鹅号 - GIS咖啡LabelImg是用于制作VOC数据集时,对数据集进行标注的工具。系统:win10软件:anaconda31.安装anaconda3没有安装anaconda3的,...转载 2019-04-07 21:56:15 · 1151 阅读 · 0 评论 -
读论文OCGAN: One-class Novelty Detection Using GANs with Constrained Latent Representations
OCGAN 的目的在于使得正常类输入样本real经过编码、解码后得到的fake与输入real尽可能的相似。并且强制经过编码后得到潜在空间服从均匀分布,实现方法是用gan。这样异常输入经过编码得到向量也会服从均匀分布,解码后得到的fake会像正常类。比如说数字2作为正常类训练,数字8作为异常。数据8输入模型得到重构图像fake会像数字2。这样输入与输出差别会比较大,相对数字2输入和得到的数字2输...原创 2019-05-17 21:38:05 · 3712 阅读 · 2 评论